AI-Candidate-Screening im Fintech: dediziertes Team vs. Agentur-Pilot

Was wird verglichen: dediziertes AI-Team vs. Agentur-Pilot

Zwei Wege führen zum AI-gestützten Candidate Screening: ein dediziertes AI-Team, das in der eigenen IT-Abteilung angesiedelt ist und die gesamte Pipeline von der Prozessanalyse bis zum Betrieb verantwortet, oder eine spezialisierte Agentur, die einen fix-scoped Piloten in 4 Wochen liefert und dann in den Rollout übergeht. Beide Ansätze integrieren sich in bestehende Systeme (CRM, ERP, Helpdesk) über APIs, ersetzen aber keine davon. Der entscheidende Unterschied liegt in der Kontrolle über die Datenhoheit und der Skalierbarkeit über den Piloten hinaus. Bei 2.000+ Mitarbeitern und Fintech-Compliance-Anforderungen wird diese Entscheidung zum strategischen Hebel, nicht nur zum taktischen Einkauf.

Kriterien für den Vergleich

• DSGVO-Konformität: Kann personenbezogene Daten (Kandidatenprofile, Gehaltsdaten) ohne Verlassen des eigenen Rechenzentrums verarbeitet werden? (Art. 28, Art. 32 DSGVO)
• Latenz und Durchsatz: Wie schnell wird ein Screening-Dokument extrahiert und klassifiziert? (Ziel: unter 2 Sekunden pro Dokument)
• Kosten pro Screening: Vollständige Kosten inkl. Infrastruktur, Lizenzen, Personal für 400 Screenings/Monat
• Vendor Lock-in: Wie stark ist man an einen bestimmten Modell-Anbieter oder eine Cloud-Plattform gebunden?
• Integrationstiefe: Wie nahtlos verbindet sich die Lösung mit Notion/Confluence (Wissensbasis) und dem bestehenden CRM?
• Human-in-the-Loop: Wie wird sichergestellt, dass jede Entscheidung, die Geld, Gesundheit oder Verträge betrifft, von einer Person genehmigt wird?
• Skalierbarkeit über 4 Wochen hinaus: Was passiert, wenn der Pilot in den Rollout geht und 10x mehr Screenings anfallen?
• Wissensretention: Bleibt das Prozesswissen beim Kunden oder wandert es zur Agentur?

Vergleichstabelle: konkrete Werte

Szenario-spezifisches Verdikt

Wenn die Fintech-Compliance-Abteilung verlangt, dass keine Kandidatendaten das eigene Rechenzentrum verlassen, gewinnt das dedizierte AI-Team klar. Open-Weight-Modelle wie Llama 3 70B oder Mistral 7B laufen auf eigener Hardware, pgvector speichert die Embeddings lokal, und die gesamte Pipeline bleibt in der Kontrolle der IT-Abteilung. Die Agentur-Option mit OpenAI/Anthropic-APIs ist zwar DSGVO-konform (EU-Region), aber die Daten verlassen das Gebäude — ein Risiko, das bei regulierten Fintech-Daten schwer zu kommunizieren ist. In diesem Szenario ist die höhere Anfangsinvestition des Teams (12.000–18.000 EUR/Monat) gerechtfertigt, weil sie das Compliance-Risiko eliminiert.

Wenn der akute Bedarf nach schneller Entlastung der HR-Abteilung im Vordergrund steht und die Compliance-Anforderungen moderat sind (z. B. keine Gesundheitsdaten, keine Vertragsdaten), gewinnt die Agentur-Option. In 4 Wochen ist der Pilot live, die First-Response-Time sinkt von 48 Stunden auf 4 Stunden, und die HR-Abteilung kann sich auf die Kandidaten konzentrieren, die tatsächlich in die nächste Runde kommen. Die Kosten von 25.000–40.000 EUR für den Piloten sind akzeptabel, wenn der ROI innerhalb von 6 Monaten sichtbar ist.

Wenn die Wissensbasis in Notion oder Confluence liegt und die HR-Abteilung diese Tools bereits nutzt, ist die Agentur-Option schneller integriert. Die Agentur liefert eine fertige API-Integration, die die Inhalte aus Notion/Confluence extrahiert, in pgvector einbettet und die Suche abwickelt. Das dedizierte Team muss diese Integration selbst entwickeln (2–3 Tage), was in der 4-Wochen-Timeline knapp wird. Wenn die Integrationstiefe entscheidend ist, gewinnt die Agentur-Option in der Anfangsphase.

Wenn der Rollout über den Piloten hinausgeht und 10x mehr Screenings anfallen, gewinnt das dedizierte Team. Die Agentur-Kapazität ist begrenzt, und neue Verträge für den Rollout sind teuer (oft 2x der Piloten-Kosten). Das Team skaliert linear: zusätzliche GPUs, mehr FTE, und die Kosten pro Screening sinken von 8–12 EUR auf 3–5 EUR. Ab Monat 10 ist das Team günstiger als die Agentur, wenn der Rollout in vollem Gange ist.

Empfehlung für das Fintech-Szenario

Für ein Fintech-Unternehmen mit 2.000+ Mitarbeitern in Österreich, das AI-gestütztes Candidate Screening in 4 Wochen einführen will und dabei DSGVO-Konformität (Art. 28, Art. 32) sicherstellen muss, ist das dedizierte AI-Team die bessere Wahl. Die Begründung: (1) Die Compliance-Anforderungen erfordern, dass Kandidatendaten das eigene Rechenzentrum nicht verlassen — Open-Weight-Modelle auf eigener Hardware sind die einzige saubere Lösung. (2) Die 4-Wochen-Timeline ist für das Team machbar, wenn die Infrastruktur (PostgreSQL 16 mit pgvector, 8-vCPU-Server) bereits vorhanden ist. (3) Die Kosten von 12.000–18.000 EUR/Monat sind akzeptabel, wenn der Rollout in 6–12 Monaten erfolgt und die Kosten pro Screening auf 3–5 EUR sinken. (4) Das Wissen bleibt beim Kunden, was bei Fintech-Compliance entscheidend ist. Die Agentur-Option ist nur dann zu empfehlen, wenn die Compliance-Anforderungen moderat sind und der akute Bedarf nach schneller Entlastung im Vordergrund steht.